基于遗传蚁群算法的机器人全局路径规划研究

蚁群算法是基于生物界群体启发行为的一种随机搜索寻优方法,它的正反馈性和协同性使其可用于分布式系统,隐含的并行性更使其具有极强的发展潜力,它在解决组合优化问题上有着良好的适应性。因此将其应用到智能机器人全局路径规划中,其目的是探索一种新的路径寻优算法.在基于栅格划分的环境中,研究了机器人路径规划问题中蚁群系统的"外激素"表示及更新方式,并将遗传算法的交叉操作结合到蚁群系统的路径寻优过程中,提高了蚁群系统的路径寻优能力,为蚁群算法的应用提供了一种新的探索.     

基于遗传算法的机器人动态路径规划的仿真

提出一种基于遗传算法的移动机器人的路径规划方法。该方法采用实数编码的方法。有明确物理意义的适应度函数，以加快实时的运算速度和提高运算精度。该方法充分挖掘可应用遗传算法解决移动机器人动态路径规划的潜力。通过计算机仿真表明该控制方法具有良好的动态路径规划能力。     

基于遗传算法的机器人路径规划

采用栅格法表示机器人工作环境模型，用序号编码，直角坐标与序号混合应用，采用遗传算法产生初始路径种群，并对其优化找出最短路径，然后增加删除，插入算子达到路径规划中避障的要求。用MATLAB语言进行的仿真研究，仿真结果表明遗传算法进行避障和路径规划的有效性和可行性。     

遗传算法在机器人路径规划中的应用研究

采用栅格法对机器人工作空间进行划分,用序号标识栅格,并以此序号作为机器人路径规划参数编码,应用遗传算法对机器人路径规划作了研究。文中引入间断无障碍路径新概念以简化初始种群产生,定义了插入算子和删除算子以保证路径的连续性和简明性。应用遗传算法工具箱ＮＰＵＧＡＴｏｏｌｂｏｘＶｌ．０对所提方法作的仿真研究结果表明,该方法可行。     

基于全局视觉的足球机器人路径规划方法

基于机器人小车运动到定点常用的Turn-Run-Turn啪控制方法,根据机器人小车的物理特性,设计了一种新的切线路径规划方法.该方法把小车在运动过程中受到的物理特性限制抽象为障碍物,加入到环境中,使得算法简单,计算量小,对机器人初始条件没有限制.仿真实验表明,机器人小车能在较高速度下有效避开障碍并按需要的姿态到达目标.     

粗糙集遗传算法在机器人路径规划中的应用

提出了一种基于粗糙集和遗传算法混合方法的机器人路径规划方法,以提高机器人路径规划的速度和准确性.首先利用粗糙集获得机器人路径的决策规则,建立初始决策表,利用粗糙集理论进行化简,获得最小决策表,从中提出最小决策规则,然后利用所得的最小决策规则训练得出一系列可行路径的集合,最后利用遗传算法对这个种群优化,获得最优行走路线.对于两种不同环境分别进行仿真实验,验证了两种方法的混合算法在提高机器人路径规划速度上的优势.     

基于GA-PSO算法焊接机器人路径规划研究

焊接机器人在制造业中有广泛的应用。在焊接任务中通常有许多焊接接头,合理地规划焊接路径使其穿过这些焊接接头,对焊接效率的提高有积极的影响。传统的手工路径规划技术可以有效地处理少量焊接接头,但当焊接节点数目较大时,很难获得最优路径。传统的手工路径规划方法耗时长、效率低,不能保证最优。遗传粒子群优化算法（GA-PSO）基于遗传算法（GA）和粒子群优化算法（PSO）的优点来解决焊接机器人的路径规划问题。仿真结果表明,该算法具有较强的搜索能力和实用性,适用于焊接机器人路径规划。     

基于集送货需求的车辆路径优化问题研究

车辆在服务过程中,既可能面对集货需求,也可能面对送货需求.在国内外学者研究的基础上,提出一种新的解决VRPSDP问题的方法.在系统分析同时具有集送货需求的物流网络机构与要素的基础上,均建基于集送货需求的车辆路径优化模型,利用lingo软件进行优化求解.实例仿真结果表明,通过该模型的建立及软件的应用,能够对车辆的路径进行优化,能够有效地减少车辆的运输成本,提高物流运作的效率.     

基于案例的自主式水下机器人全局路径规划的学习算法

首次讨论了基于案例的学习方法在自主式水下机器人全局路径规划中的应用问题,基于案例的学习方法是一种增量式的学习过程,它根据过去的经验进行学习及问题求解。本文对基于案例的学习方法在自主式水下机器人的全局路径规划中的应用框架进行了初步研究,对案例属性的提取、案例的匹配和择优以及案例库的更新等问题提出了相应的算法,最后给出了几组仿真结果。     

基于改进蚁群算法的搜索机器人路径规划

针对搜索机器人路径规划问题,提出了一种改进的蚁群算法。算法构建一个栅格环境模型,并设置禁忌策略将部分栅格归为禁忌栅格以避免路径死锁;采用折返蚂蚁,且正向与反向蚂蚁分别采用不同搜索策略,来提高算法的收敛速度;构造路径综合评定目标函数,提高搜索最优路径的能力。实验表明:即使在复杂的环境中,本文算法也能快速地规划出最优路径。     

双足爬壁机器人三维壁面环境全局路径规划

为求解双足爬壁机器人在三维壁面环境中的全局路径,提出了一种结合壁面可过渡性分析、全局壁面序列搜索和壁面过渡落足点优化的规划方法. 首先,为得到双足爬壁机器人在壁面间过渡的可行性,通过机器人可达工作空间与壁面简化处理将其转化成几何图形相交测试问题. 然后,用图搜索方法找出全局壁面序列, 再以路径最短为目标建立数学模型优化求解壁面序列中相邻壁面间最优过渡落足点,最终得到最优全局路径. 以双足爬壁机器人W-Climbot为对象做仿真验证,仿真结果表明该方法在5至20个壁面构成的三维环境中,机器人在不同壁面间的可过渡性分析与全局壁面序列搜索过程平均耗时只需2 ms,求解得到优化全局路径的比例为95%,平均耗时均在4 s以内. 该方法可以为双足爬壁机器人提供优化的全局路径并为其下一步的运动规划奠定基础.     

改进蚁群算法在机器人路径规划中的应用

机器人路径规划是机器人技术研究中的一项关键技术。针对蚁群算法在求解机器人路径规划中准确性不高以及求解时间长的问题,提出了一种基于改进蚁群算法的机器人路径规划方法,采用栅格法构建了相应的数学模型。为了提高蚁群算法的全局搜索能力,防止算法早熟收敛,在状态转移规则中引入了随机策略;同时引入了基于狼群分配的策略来更新启发式信息,这样可以进一步提高算法的收敛速度。实验结果表明,改进的蚁群算法具有更强的全局寻优能力,求解时间更短,它可以有效地求解机器人路径规划问题。     

基于改进遗传算法的机器人路径规划方法

针对基本遗传算法在机器人路径规划中存在收敛速度慢、易陷入局部最优解的问题,提出一种改进的遗传算法. 在适应度函数中增加带有惩罚项的平滑度函数; 引入精英保留机制,保留每一代最优个体; 自适应调整交叉概率和变异概率,使交叉概率和变异概率随进化次数变化而变化. 利用MATLAB在两种障碍物地图中与其他两种算法进行仿真对比分析,实验结果表明,改进后的算法在路径规划的应用中有效减少了机器人的转弯次数,提高了逃离局部最优路径的能力,寻优能力更强.     

Hopfield神经网络在机器人路径规划中的应用

将Hopfield反馈型神经网络方法,应用于对机器人工作路径的合理规划中,解决了对两两给定通路的若干工作站点,机器人能顺序访问并最终返回起点的最短巡游路径问题。可针对不同的具体问题来设计网络的连接权及能量函数。对8站点和16站点仿真结果表明,此方法可以在较短的时间内寻优获得最佳工作路径。     

基于可拓遗传算法的机器人路径规划

在遗传算法基础上,用扩展物元来表示机器人的位置信息,使计算机能够较容易读懂这种语言,加快了计算速度;用关联函数作为遗传算法的适应度函数,使算法更容易找到最优化路径;采用可拓工程方法中的三种可拓变换形式,丰富了遗传算法的变异方式．实验证明,可拓遗传算法的机器人路径规划能有效提高的机器人路径规划的速度和准确性．     

基于势场栅格法的机器人全局路径规划

综合势场法和栅格法的优点，提出了一个新的全局路径规划方法——势场栅格法、算法在避免局部最优点和降低计算量方面，有着良好的效果；并且可以自动确定栅格粒度．最后，文章分析了影响算法精度的因素，仿真试验表明此算法有良好的可行性和有效性．     

一种基于神经网络的机器人路径规划算法

研究已知障碍形状和位置环境下的全局路径规划问题。给出了一个路径规划算法，其能量函数的定义利用神经网络结构，根据路径点位于障碍物内外的不同位置选取不同的动态运动方程。规划出的路径达到了析线形的最短无碰路径。仿真研究表明，本文提出的算法计算简单，收敛速度快，方法可行。     

改进遗传算法在一类最优路径规划中的应用

智能交通系统是解决当前交通问题的一个非常好的途径，它已经引起了人们的广泛关注。文中提出了一种改进的遗传算法，通过将初始群体进行组合，成组地进行遗传算法操作，求出一个初步的最优值，然后再将这个初步最优值分解进行遗传算法操作。这种方法加快了智能交通中最优路径的搜索，同时也是对遗传算法操作的一种改进。     

粒子群算法在三维空间机器人路径规划中的应用

将粒子群优化算法应用到粒子群的路径规划中.首先进行空间坐标变换,然后将机器人所在的起始点与目的点的连线SD进行（n＋1）等分,过每个等分点作垂直于Z轴的n个平面,在每个平面上做正多边形的点阵,构成粒子群算法寻优的路径空间,最后应用于空间机器人的路径规划.试验证明该方法在收敛速度和精度方面有效.